气温对湛江电网用电量影响的研究

摘 要：本文从湛江电网2012-2014年8月的逐日电量资料中分离出随气温因子变化的气温电量，分析了气温电量和同期的气温资料的相关关系，着重探讨了气温电量随气温的变化规律，结果表明湛江电网日用电量与日平均气温、日最高气温呈显著性正相关。计算出气温电量对日平均气温、日最高气温、日最低气温的不敏感区域分别是12～20℃、10～22℃、10～17℃。最后提出了完善与改进相关模型的几点建议。由此气温对用电量影响的特点及规律可作为供电调度工作人员的参考信息。

关键词：气温；电量；相关；回归分析；灵敏度

引言

近年来，越来越多的研究表明[1-3]，电网日电量与气象条件的变化有关， 而其中气温又是最重要的影响因素。随着国民经济的发展和人民生活水平的提高，冬季取暖和夏季制冷在生活中逐渐普及，而这二者的耗电量都相当大，因此用电量与气象条件的相关关系逐步密切，气象因子对电网的影响程度有提高的趋势。为了达到电网安全、稳定、优质和经济运行，很有必要研究气温变化对电网负荷的影响，以及它们之间的内在关系的规律，有利于相关人员及时采取有效措施保证电网安全运行和尽可能小的影响人民群众的生产生活，为电网电量的预报预测和运行调度提供依据。

1 气温与用电量间数学关系的分析

将选取的867天数据样本经过气温电量与非气温电量的分离，分别绘制了气温电量与日平均气温、日最高气温、日最低气温的散点图，并利用数据处理及作图软件分别拟合出气温电量与日平均气温、日最高气温、日最低气温的趋势曲线，从趋势曲线可以看出：

气温电量随日平均、最高气温、最低气温的升高而增加，根据拟合出的曲线方程，可以方便地计算出气温电量对日平均气温、日最高气温、日最低气温的不敏感区域，分别是12～20℃、10～22℃、10～17℃，說明：在这些区域，日平均、最高、最低气温对用电量的影响是最小的。

通过计算气温电量与日平均气温、日最高气温、日最低气温的相关系数（其值分别为0.7711、0.7708、0.6718），发现均为显著性正相关，其中以气温电量与日平均气温、日最高气温的相关程度较高。另外，气温电量随着日平均气温的升高增速越来越快，而随着日最高气温的升高增速趋缓，说明当日最高气温升高到一定值后，气温电量趋于稳定，气温电量受日平均气温影响程度大于日最高气温，这与所求出的气温电量与日平均气温、日最高气温的相关系数前者略高于后者相一致。

2 气温与气温电量数学模型的建立

对于气温与气温电量之间的数学模型，目前国内外已有一些研究。本文利用Matlab分析软件[4]，建立气温与气温电量之间的多项式拟合关系，并采取多元线性回归方法进行数学模拟[5]，即设

Qm=a0+■aiti

式中：t-气温指标。

在867天样本数据导入Matlab软件，利用该软件提供的polyfit函数实现多项式拟合，针对气温参数的最高温度、最低温度、平均温度，可得到拟合结果。Matlab软件分析结果表明，用3阶多项式拟合结果最优，拟合结果为：

3 气温与气温电量的灵敏度分析

3.1 气温电量与最高气温的灵敏度分析

根据气温电量与最高气温的拟合曲线，对其一次求导可以得出气温电量随最高气温变动的增幅，可以得出气温电量与最高气温的敏感区间大致分为4段：（1）10℃～22℃为不敏感区，此时气温电量在-250万千瓦时附近波动，气温电量与气温之间关系不大。（2）22℃～28℃为弱敏感区，最高温度每升高1℃，气温电量升高约30万千瓦时。（3）29℃～36℃为强敏感区，最高温度每升高1℃，气温电量升高约128万千瓦时。（4）36℃以上因缺少样本数据，其规律尚待进一步讨论。

3.2 气温电量与最低气温的灵敏度分析

气温电量随最低气温变化的幅度要小于最高气温，也可将气温电量与最低气温的敏感区间分为4段：（1）10℃～17℃为不敏感区，此时气温电量在-250万千瓦时附近波动，气温电量与气温之间关系不大；（2）18℃～22℃为弱敏感区，最低温度每升高1℃，气温电量增长50万千瓦时；（3）23℃～28℃为强敏感区，最低温度每升高1℃，气温电量增长150万千瓦时；（4）28℃以上因缺少样本数据，其规律尚待进一步讨论。

3.3 气温电量与平均气温的灵敏度分析

同理，气温电量与平均气温的敏感区间分为4段：（1）12℃～20℃为不敏感区，此时气温电量-250万千瓦时附近波动，气温电量与气温之间关系不大；（2）21℃～25℃为弱敏感区，平均温度每升高1℃，气温电量增长50万千瓦时；（3）26℃～31℃为强敏感区，平均温度每升高1℃，气温电量增长180万千瓦时；（4）31℃以上因缺少样本数据，其规律尚待进一步讨论。

4 仿真结果及分析

为了验证本研究成果的实际运用效果，对湛江地区2014年1月至9月的月度供电量进行了预测，预测结果与实际值的比较详见表1：

采用本成果的预测相对误差最小0.92%，预测相对误差最大为3.80%，平均预测相对误差为2.00%。而采用非齐次指数模型预测法的预测相对误差最小为0.36%，预测相对误差最大为8.08%，平均预测相对误差为3.17%；采用龚帕兹模型预测法的预测相对误差最小为1.87%，预测相对误差最大为32.27%，平均预测相对误差为9.04%。可知，本文成果的预测结果十分令人满意，预测精度得到了提高，且具有更高的稳定性，证明运用该新方法对月度用电量进行短期定量预测在方法上是可行的。

5 结论

随着电力工业不断的发展，各级电力公司数据库管理与维护技术日趋成熟，如何围绕以电网安全、稳定、优质、经济运行为工作目标，利用数据统计及分析的相关科学方法，对电网基础信息数据（如：负荷、气象情况等）进行相关挖掘，建立相应的数学模型，做好负荷预测及电网发用电平衡工作，很有实际研究价值。本文在归纳2012-2014年数据样本的基础上，定义了气象电量，研究分析了湛江电网日用电量与气温的关系，并总结了用于多年分析的气温电量与气温变化之间的规律，具有重要意义及使用价值。

参考文献

[1]Chen CS，Hwang JC，T zeng YM，etc. Determination of customer load characteristics by load survey system at Taipow er[J]. IEEE Trans on PD，1996，11（3）.

[2]Hypde O，Hodnett PF. An adap table automated procedure for short-term electricity load forecasting[J]. IEEE Trans onPWRS，1997，12（1）.

[3]张国庆，韩新阳，王晖等，气象因素对负荷和电量影响的研究[J].中国电机工程学报，2001，21：253-255.

[4]张志涌，刘瑞桢，杨祖樱.掌握和精通MATLAB[M].北京：北京航空航天大学出版社，1997.

[5]耿光飞，郭喜庆.模糊线性回归法在负荷预测中的应用[J].电网技术，2002，26（4）：19-21.

[6]李晓梅，周晖，李冬梅.夏季日峰荷与有效温度的灰色建模及灵敏度分析[J].电网技术，2004，28（14）：23-27.

[7]李扬，王治华，卢毅，等.南京市夏季气温-日峰荷特性分析[J].电网技术，2001，25（7）：63-66.

[8]周晖，钮文洁，纪洪.各种因素影响下的居民夏季用电状况分析[J].华北电力技术，2003，（3）：12-14.

[9]胡江林.华中电网日负荷与气象因子的关系[J].气象，2002，28（3）：14-18.

[10]陈正洪，洪斌.华中电网四省日用电量与气温关系的评估[J].地理学报，2000，55（增刊）.

[11]李兰，陈正洪，洪国平.武汉市.周年逐日电力指标对气温的非线性响应[J].气象，2008，34（5）.

作者简介：范为（1981-），女，工程师，广东电网公司湛江供电局。endprint